概述
全面使用 AI 进行开发后，开发效率会显著提升，但也将面对大量新的管理、协作与治理问题，汇总如下。
Token 管理变成了工程
- 保障 AI 服务的连续性和稳定性
- 在模型能力、响应速度与成本之间保持性价比
- 防止 Token 被滥用、盗用或消耗在低价值任务上
- 建立使用效能评估机制，衡量 Token 投入带来的实际产出
- 针对不同任务选择合适的模型，避免能力过剩或能力不足
- 建立预算、限额、预警和异常消耗追踪机制
管理人员需要同时关注大量项目
- 项目数量快速增加，任务变得更加琐碎，进度不易控制
- 人员、模型、Token 和计算资源的分配更加困难
- 同时关注大量项目的目标、风险和交付质量成为新的挑战
- 非开发人员进入开发项目后，容易自然地脱离标准开发流程，需要建立新的协作规则
- 项目启动成本降低后，容易出现大量“已开始但未完成” 的项目
- 管理重点需要从“监督开发过程”逐步转向“控制目标、边界、风险和验收结果”
需求管理成为主要瓶颈
- AI 可以快速实现功能，但无法自动保证需求本身是正确的
- 模糊需求会被快速转化为大量错误实现
- 需求变更的成本降低，可能导致项目范围持续膨胀
- 产品、业务与开发之间需要形成更精确的需求表达方式
- 需求文档需要具备可验证、可拆分、可追踪和可验收的特征
- “先生成再修改”不能替代必要的业务分析和方案设计
开发速度超过了审核速度
- AI 可以在短时间内生成大量代码、文档和配置
- 人工审核能力无法与生成速度同步增长
- 审核人员容易因内容过多而流于形式
- 小问题可能在快速迭代中不断累积，最终形成系统性风险
- 需要引入分级审核机制，根据变更风险决定审核深度
- 测试、静态检查和自动化验证将承担更多基础审核工作
代码所有权变得模糊
- 开发人员可能无法完整解释 AI 生成的代码
- 代码“可以运行”不代表团队真正掌握了实现逻辑
- 问题发生后，责任难以在需求提出者、操作者、审核者和 AI 之间划分
- 项目必须明确最终责任人，AI 不能成为责任主体
- 关键模块需要保留设计依据、决策记录和人工确认结果
- 团队需要避免形成无人敢修改、无人能维护的“AI 黑箱代码”
技术债务产生得更快
- AI 能够快速复制既有模式，也会快速复制错误模式
- 局部最优的实现容易在项目中大量扩散
- 重复代码、临时方案和兼容性补丁可能迅速增加
- 项目表面进展很快，但内部结构可能持续恶化
- 需要持续进行架构检查、依赖治理和代码清理
- 技术债务必须被显式记录，不能依赖开发人员自行记忆
测试与验收需要重新设计
- 传统测试速度可能无法匹配 AI 开发速度
- AI 生成的测试可能只是验证其自身实现，而没有验证真实业务目标
- 测试数量增加不等于覆盖了关键风险
- 验收标准需要在开发前明确，而不是完成后再临时判断
- 关键业务流程必须保留人工验收和真实场景验证
- 应建立从需求、代码、测试到验收结果的完整追踪关系
安全与数据风险进一步扩大
- 提示词、代码、日志和业务数据都可能包含敏感信息
- 开发人员可能在无意中将内部数据提交给外部模型
- AI 生成的代码可能引入不安全依赖、错误权限或潜在漏洞
- 不同模型和服务商的数据处理规则可能存在差异
- 需要明确哪些数据可以使用、可以发送到哪里、可以保留多久
- 高风险操作必须增加权限控制、人工确认和审计记录
知识积累方式发生变化
- 大量开发过程存在于临时对话中，难以形成组织资产
- 同一个问题可能被不同人员和不同 AI 重复解决
- 对话上下文丢失后，决策依据和实现原因也可能随之丢失
- 需要把有效结论沉淀为文档、规范、模板、技能和自动化流程
- 应区分临时上下文、项目记忆和组织级知识
- 知识管理将从“保存文档”转向“维护可被 AI 使用的上下文”
开发人员的能力结构发生变化
- 编写代码的占比下降，分析、判断和验收的占比上升
- 开发人员需要具备更强的需求理解、架构设计和风险识别能力
- 不熟悉技术的人也可以生成代码，但不一定能够判断代码质量
- 初级开发人员可能减少基础训练机会，形成能力断层
- 高级开发人员需要承担更多规则设计、审核和系统治理工作
- 团队考核不能只关注代码数量和交付速度
开发流程需要重新定义
- 原有流程可能过重，无法适应高频、小规模的 AI 变更
- 完全放弃流程又会带来质量、安全和责任风险
- 需要根据变更范围和风险等级采用不同流程
- 小型低风险变更可以自动化处理，高风险变更必须人工审批
- AI 的输入、输出、修改和验证过程需要具备可追踪性
- 版本管理、代码审查和发布控制仍然是必要的安全边界
项目价值评估变得更加重要
- 开发成本下降后，“能不能做”不再是主要问题
- 大量低价值需求可能因为实现容易而被不断提出
- 项目数量增加不代表组织产出同步增加
- 需要更加关注项目是否真正解决问题、创造价值或降低风险
- 应建立项目停止、合并和淘汰机制
- 管理者需要防止团队陷入“持续开发，但没有有效成果”的状态
最终需要解决的问题
全面使用 AI 后，开发工作的核心矛盾将逐渐从“生产能力不足”转变为“目标、治理与验收能力不足”。
至少以下管理范畴需要重大变革：
- Token应用管理
- 需求表达与任务拆分
- 项目组合与资源管理
- 质量控制
- 数据安全与权限管理
- 测试、验收与发布管理
- 过程记录与知识沉淀
- 成本、效率与业务价值评估
- 人员能力培养与责任划分
AI 降低的是实现成本，但不会自动降低决策成本、管理成本和风险成本。未来真正稀缺的能力，不再只是“把功能做出来”，而是判断“应该做什么、做到什么程度、如何证明它是正确的，以及由谁对结果负责”。
完整文章地址： https://www.sv0.cn/?p=145